(第二章平稳随机过程的谱分析.docVIP

第二章 平稳随机过程的谱分析 本章要解决的问题： 随机信号是否也可以应用频域分析方法? 傅里叶变换能否应用于随机信号？ 相关函数与功率谱的关系 功率谱的应用 采样定理 白噪声的定义 2.1 随机过程的谱分析 2.1.1 预备知识 1、付氏变换: 对于一个确定性时间信号x(t)，设x(t)是时间t的非周期实函数，且x(t) 满足狄利赫利条件（有限个极值，有限个断点，断点为有限值）且绝对可积，能量有限，则x(t)傅里叶变换存在。即： 满足上述三个条件的x(t)的傅里叶变换为： 其反变换为： 2、帕赛瓦等式 由上面式子可以得到： ——称为非周期性时间函数的帕塞瓦(Parseval)等式。 物理意义：若x(t)表示的是电压(或电流)，则上式左边代表x(t)在时间(-,)区间的总能量（单位阻抗）。因此，等式右边的被积函数 表示了信号x(t)能量按频率分布的情况，故称为能量谱密度。 2.1.2、随机过程的功率谱密度 一个信号的付氏变换是否存在，需要满足三个条件，那么随机信号是否满足这三个条件从而存在付氏变换呢？ 随机信号持续时间无限长，因此，对于非0的样本函数，它的能量一般也是无限的，因此，其付氏变换不存在。 但是注意到它的平均功率是有限的，在特定的条件下，仍然可以利用博里叶变换这一工具。 为了将傅里叶变换方法应用于随机过程，必须对过程的样本函数做某些限制，最简单的一种方法是应用截取函数。 截取函数(t): 图2.1 (t)及其截取函数 当x(t)为有限值时，裁取函数(t)满足绝对可积条件。因此，(t)的傅里叶变换存在，有 很明显，(t)也应满足帕塞瓦等式，即：（注意积分区间和表达式的变化） 用2T除上式等号的两端，可以得到 等号两边取集合平均，可以得到: 令，再取极限，便可得到随机过程的平均功率。 交换求数学期望和积分的次序，可以得到：(注意这里由一条样本函数推广到更一般的随机过程，即下面式子对所有的样本函数均适用) 上式等号的左边表示的正是随机过程消耗在单位电阻上的平均功率（包含时间平均和统计平均），以后我们将简称它为随机过程的功率并记为Q。再看等式的右边，它当然也存在，并且等于Q。 又因为非负，所以极限必定存在，记为： 注意：（1）Q为确定性值，不是随机变量 （2）为确定性实函数。（见式） ● 两个结论： 1． 式中， 表示时间平均。它说明，随机过程的平均功率可以通过对过程的均方值求时间平均来得到，即对于一般的随机过程（例如，非平稳随机过程）求平均功率，需要既求时间平均，又求统计平均。显然， Q不是随机变量。 若随机过程为平稳的，则 这是因为均方值与时间t?无关，其时间平均为它自身。 由于已经对 求了数学期望，所以不再具有随机性，它是的确定性函数。 功率谱密度：描述了随机过程X(t)的功率在各个不同频率上的分布——称为随机过程X(t)的功率谱密度。 对在X(t)的整个频率范围内积分，便可得到X(t)的功率。 对于平稳随机过程，则有： 2.1.3、功率谱密度的性质 证明： 证明： 因为进行了取模运算，这是的实函数，所以也是的实函数，且为确定性实函数。 证明： 因此： 即： 得： 证明：对于平稳随机过程，有： 2.2 联合平稳随机过程的互功率谱密度 2.2.1、互谱密度 可由单个随机过程的功率谱密度的概念，以及相应的分析方法推广而来。 考虑两个平稳实随机过程X(t)、Y(t)， 它们的样本函数分别为和，定义两个截取函数、为： 因为、都满足绝对可积的条件，所以它们的傅里叶变换存在。 在时间范围(-T，T)内，两个随机过程的互功率为:（注意、为确定性函数，所以求平均功率只需取时间平均） 由于、的傅里叶变换存在，故帕塞瓦定理对它们也适用，即: 注意到上式中，和是任一样本函数，因此，具有随机性，取数学期望，并令，得： ＝ ＝ 定义互功率谱密度为： 得： 同理，有： 又知 以上定义了互功率和互功率谱密度，并且导出了它们之间的关系。 2.2.2、互谱密度和互相关函数的关系 平稳随机过程的自相关函数与其功率谱密度之间互为傅里叶变换，互相关函数与互谱密度之间也存在着类似关系。 定义：对于两个实随机过程X(t)、Y(t)，其互谱密度与互相关函数之间的关系为 若X(t)、Y(t)各自平稳且联合平稳，则有 即： 式中，表示时间平均。 显然： 证明：略，参见自相关函数和功率谱密度关系的证明。 结论：对于两个联合平稳(至少是广义联合平稳)的实随机过程，它们的互谱